BAB III METODE PENELITIAN
4.3 Analisis Statistik
Analisi regresi digunakan untuk mengetahui ada tidaknya pengaruh antara variabel bebas dengan variabel terikat. Berdasarkan pengolahan data dengan program SPSS, maka hasil analisis tampak pada Tabel 4.9 berikut :
Tabel 4.9 Hasil Perhitungan Estimasi Regresi Linier Berganda dengan Tiga Variabel Bebas Coefficientsa -,609 ,338 -1,805 ,075 2,250 1,071 ,221 2,100 ,039 1,491E-02 ,429 ,004 ,035 ,972 24,254 6,687 ,381 3,627 ,001 (Constant) CAR LDR ROA Model 1 B Std. Error Unstandardized Coefficients Beta Standardi zed Coefficien ts t Sig.
Dependent Variable: PER.LABA a.
Beradasarkan Tabel 4.9 di atas dapat diperoleh persamaan regresi linier berganda sebagai berikut :
e ROA LDR
CAR
Y =−0,609+2,250 +1,491 +24,254 +
Persamaan tersebut di atas mempunyai makna:
1. Koefisien konstanta -0,609 artinya jika CAR, LDR, dan ROA sama dengan nol, maka perubahan laba akan sebesar -0,609. Maksudnya adalah apabila besarnya CAR, LDR, dan ROA sama dengan nol, maka bank akan mengalami perubahan laba sebesar -0,609.
2. Koefisien CAR sebesar 2,250 dan bertanda positif, hal ini berarti bahwa setiap perubahan satu persen pada CAR dengan asumsi variabel lainnya tetap, maka perubahan laba akan mengalami perubahan 2,250 dengan arah yang sama. 3. Koefisien regresi LDR sebesar 1,491 dan bertanda positif, hal ini berarti
bahwa setiap perubahan satu persen pada LDR dengan asumsi variabel yang lain tetap, maka perubahan laba akan mengalami perubahan sebesar 1,491 dengan arah yang sama.
4. Koefisien regresi ROA sebesar 24,254 dan bertanda positif, artinya bahwa setiap perubahan satu persen pada ROA dengan asumsi variabel lainnya tetap, maka perubahan laba akan mengalami perubahan sebesar 24,254 dengan arah yang sama.
4.3.2 Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk mengetahui apakah model regresi yang diperoleh dapat menghasilkan estimator yang baik. Berkaitan dengan uji
asumsi klasik dalam penelitian ini, model analisis yang digunakan akan menghasilkan estimator yang tidak bias apabila memenuhi beberapa asumsi klasik sebagai berikut:
1. Uji Normalitas
Uji normalitas untuk mengetahui apakah data berdistribusi normal atau tidak. Alat uji normalitas yang digunakan dalam penelitian ini adalah uji normalitas dengan menggunakan Kolmogorov Smirnov untuk menguji ketepatan distribusi suatu variabel dan uji keselarasan data. Uji normalitas dilakukan dengan menggunakan SPSS for Windows sebagai berikut:
One-Sample Kolmogorov-Smirnov Test
84 2,653299E-09 ,7178749 ,105 ,105 -,074 ,961 ,314 N Mean Std. Deviation Normal Parameters a,b
Absolute Positive Negative Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)
Unstandardiz ed Residual
Test distribution is Normal. a.
Calculated from data. b.
Kriteria yang digunakan berdasarkan probabilitas: a. Jika probability value > 0,05 maka Ho diterima
b. Jika probability value < 0,05 maka Ho ditolak
Berdasarkan hasil Kolmogorov Smirnov Test pada hasil output SPSS terlihat bahwa pada kolom asymp. Sig/asymptotic significance dua sisi adalah 0,314, atau probabilitas diatas 0,05 (0,314 > 0,05). Maka Ho diterima, atau distribusi populasi adalah normal.
2. Uji Multikolinieritas
Uji Multikolinieritas untuk menguji apakah terdapat interkorelasi yang sempurna diantara beberapa variabel bebas yang digunakan dalam persamaan regresi. Uji multikolinieritas menggunakan nilai tolernce dan Variance Inflation
Faktor (VIF). Berdasarkan hasil perhitungan data dengan SPSS didapat hasil
sebagai berikut : Collinerity Statistics Variabel Tolerance VIF CAR 0,953 1,049 LDR 0,988 1,012 ROA 0,951 1,052
Dari tabel diatas terlihat bahwa nilai tolerance dan nilai VIF menunjukkan tidak ada satu variabel bebas yang memiliki nilai VIF lebih dari 10 dan nilai tolerance kurang dari 10%. Ini berarti tidak ada korelasi antar variabel bebas yang nilainya lebih dari 95%. Hasil ini menandakan bahwa model regresi yang dihasilkan tidak terjadi multikolinieritas dan baik untuk digunakan.
3. Uji Heterokedastisitas
Uji Heterokedastisitas digunakan untuk menguji apabila muncul kesalahan dan residual dari model regresi yang dianalisis tidak memiliki varian yang konstan dari suatu observasi. Berdasarkan hasil analisis dengan SPSS didapatkan grafik scatter plot sebagai berikut:
Scatterplot
Dependent Variable: PER.LABA
Regression Standardized Predicted Value
4 3 2 1 0 -1 -2 -3 -4
Regression Studentized Residual
3 2 1 0 -1 -2 -3
Dari grafik scater plot di atas terlihat bahwa titik-titik yang terdapat pada grafik tersebut tidak membentuk pola tertentu yang berarti model regresi pada penelitian ini tidak terjadi gejala heteroskedastisitas. Ini berarti data yang disajikan pada penelitian ini layak dan baik untuk diteliti.
4. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam satu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode sebelumnya (t-1).
Untuk mendignosis adanya autokorelasi dalam suatu model regresi dilakukan pengujian terhadap nilai Uji Durbin Watson (Uji Dw), berdasarkan Tabel autokorelasi sebagai berikut:
Dw Kesimpulan
Kurang dari 1,45 Ada Autokorelasi 1,45 sampai 1,68 Tanpa Kesimpulan 1,68 sampai 2,32 Tidak ada Autokorelasi 2,32 sampi 2,55 Tanpa Kesimpulan lebih dari 2,55 Ada Autokorelasi (Sumber : Algifari, 2000:89)
Dari hasil perhitungan program komputer SPSS didapat nilai Uji Dw = 2,067 berada di daerah tidak ada autokorelasi, sehingga dapat disimpulkan bahwa pada persamaan regresi tersebut tidak terdapat autokorelasi.
4.3.3 Uji Hipotesis 1. Uji Parsial / Uji t
Uji t digunakan untuk mengetahui pengaruh masing-masing variabel bebas yaitu CAR, LDR, dan ROA terhadap perubahan laba. Adapun hasil yang diperoleh adalah sebagai berikut :
No Variabel Sig Tingkat Signifikansi
5%
Kesimpulan
1 CAR 0,039 < 0,05 H1 diterima, ada pengaruh antara CAR dengan perubahan laba pada perusahaan perbankan yang listed di BEJ
2 LDR 0,972 > 0,05 H2 ditolak, tidak ada pengaruh antara LDR dengan perubahan laba pada perusahaan perbankan yang listed di BEJ 3 ROA 0,001 < 0,05 H3 diterima, ada pengaruh antara ROA
dengan perubahan laba pada perusahaan perbankan yang listed di BEJ
Sumber : Hasil perhitungan SPSS 10.5 (diolah)
2. Uji Simultan / Uji F
Uji F bertujuan untuk menguji sigifikansi pengaruh variabel CAR, LDR, dan ROA terhadap perubahan laba secara bersama-sama, yaitu dengan melihat probabilitas signifikan dari nilai F pada tingkat kepercayaan 5%. Dari persamaan
regresi tersebut dapat diketahui probabilitas value signifikansi F sebesar 0,003 yang berarti probabilitas value signifiknsi F kurang dari 5%. Maka dapat disimpulkan bahwa H4 diterima, ada pengaruh antara CAR, LDR, dan ROA bersama-sama terhadap perubahan laba.
3. Koefisien Determinasi
Besarnya kontribusi antara sumbangan yang diberikan oleh variabel CAR, LDR, dan ROA terhadap perubahan laba pada perusahaan perbankan yang listed di BEJ tahun 2003-2006 secara simultan dapat diketahui dari nilai koefisien determinasi ganda atau R2. Besarnya R2 berdasarkan hasil analisis dengan menggunakan SPSS diperoleh sebesar 0,159. Dengan demikian besarnya pengaruh yang diberikan oleh variabel CAR, LDR, dan ROA terhadap perubahan laba pada perusahaan perbankan yang listed di BEJ tahun 2003-2006 secara simultan sebesar 15,9%. Sedangkan sisanya sebesar 84,1% adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini. Selain dicari nili R2 seperti di atas, perlu juga diketahui koefisien parsialnya untuk mengetahui sumbangan masing-masing variabel bebas terhadap variabel terikat. Dengan mengkuadratkan koefisien korelasi parsial maka koefisien determinasi parsial variabel CAR, LDR, dan ROA dapat diketahui. Berdasarkan perhitungan diperoleh r2 untuk CAR, LDR, dan ROA masing-masing sebesar 5,24%, 0,002%, dan 14,14%.